Strategy Benchmarks - EDHEC-Risk

Transcription

Les confusions entre indice, benchmark, allocation
stratégique et passive
Noël Amenc
PhD, Professeur de Finance, Edhec Business School
Directeur de la Recherche, Misys Asset Management Systems
[email protected]
27 Novembre 2003
Séminaire Edhec-Institut Europlace - ©EDHEC 2003 - WWW.EDHEC-RISK.COM
Sommaire
n
n
n
n
n
Benchmarks versus Indices
Les arguments « indiciels »
L’importance du choix du benchmark
Peut-on se passer d’un benchmark ?
Conclusion
Qu’est-ce qu’un benchmark ?
n
n
n
Un benchmark est un portefeuille de référence pour la gestion.
A ce titre, il est représentatif des risques de la gestion sur la période
de référence.
Ce portefeuille sert à la fois à gérer et à évaluer la performance.
Une gestion « non benchmarkée » limite le rôle du benchmark à
l’évaluation de la performance.
? Choisir un benchmark pour sa gestion, c’est se fixer un objectif en
termes de risques systématiques du portefeuille.
? Même quand la gestion se veut sans benchmark (bottom-up,
absolute return…), cela ne signifie pas qu’elle est sans risque. Il est
donc toujours possible a postériori de reconstituer un benchmark.
Qu’est-ce qu’un indice ?
n
Un indice est un portefeuille représentatif d’un ou de plusieurs
facteurs de risques :
– un indice géographique se fixe pour objectif de représenter le risque du
marché boursier du pays considéré
– indice de style : représentatif du risque du style concerné
– indice sectoriel : représentatif du risque de secteur
n
Une gestion « indexée » signifie que l’indice est le benchmark du
gérant.
Les indices sont-ils de bons benchmarks ?
n
Si par « bon », on entend « représentatif du risque de la gestion » :
– Oui, si le gérant décide de ne pas s’écarter de l’indice qu’il a choisi
comme benchmark. Seule lui est autorisée une tracking-error faible ou
pour le moins essentiellement constituée du risque spécifique des titres
de son portefeuille.
– Non, si le gérant construit sa performance à partir d’un choix de risques
systématiques différents de celui du benchmark.
n
Si par « bon », on entend « efficient », qu’il n’y a pas de meilleur
choix possible :
– Non, mais est-ce l’objectif d’un indice ? Un indice se veut représentatif
d’un risque. Il n’est pas le « portefeuille optimal de marché » introuvable
de la littérature financière (Roll, 1977).
Les lectures « rapides » de la littérature académique
n
Le modèle de Black-Litterman (1990)
– Il est bien connu que de faibles variations dans les inputs (rendements
moyens, matrice de variance-covariance des actifs) entraînent de fortes
variations dans les outputs (composition des portefeuilles efficients)
– Cette sensibilité aux conditions initiales est d’autant plus dommageable
qu’il est difficile d’estimer les moments d’ordre 1 (et aussi, mais dans
une moindre mesure, les moments d’ordre 2) de la distribution des
rentabilités des actifs avec une grande précision (Merton (1980), Jorion
(1985, 1986))
– Typiquement, l’optimisation moyenne-variance conduit à surpondérer
les classes d’actifs pour lesquelles l’erreur d’estimation est la plus
grande !
n
Le modèle de Black-Litterman (1990) - suite
– Black et Litterman ont proposé une méthode permettant d’effectuer des
optimisations moyenne-variance plus robustes
– L’idée est d’extraire des estimations des rendements moyens qui sont
explicites dans la composition d’un benchmark donné
– Ces estimations des rendements moyens sont alors utilisées comme
points de référence, et les vues (paris actifs) des investisseurs sont
exprimées comme des paris relatifs à ces points de référence
– Portée et généralité de l’approche :
• L’investisseur a également la possibilité de préciser le niveau
d’incertitude sur ses vues, ainsi que les corrélations éventuelles
entre ses vues ; l’investisseur « bayesien » est un peu mois
passéiste.
• En revanche, l’approche conserve le caractère statique et
moyenne-variance propre à Markowitz.
n
La fausse contrainte de Black-Litterman
– Il est parfois dit que la méthode de Black-Litterman légitimait le rôle des
indices de marché comme portefeuilles de référence
– Rien n’exige en fait que le benchmark utilisé dans la méthode de BlackLitterman soit un indice de marché ; ce benchmark peut très bien être le
portefeuille stratégique de référence de l’investisseur
– Alternative à Black-Litterman :
• Une autre façon, moins subtile mais assez proche dans son esprit,
consiste à imposer des contraintes de tracking error vis-à-vis d’un
indice, ou plus généralement vis-à-vis d’un benchmark de référence
• On peut montrer que de telles contraintes de tracking error
reviennent à implémenter une technique de « statistical shrinkage »
(amélioration des propriétés des estimateurs par structuration du
problème).
n
Les travaux « oubliés » : des indices plus efficients
– De récents travaux ont mis en évidence la possibilité de créer des
benchmarks plus efficients que les indices de marché
– Par exemple, Alexander et Dimitriu (2003) proposent la réplication de la
première composante principale d’un ensemble de titres, plutôt qu’un
portefeuille équipondéré ou capi-pondéré, cr? à pa r t i r de ces titres . En
s’appuyant sur une estimation débruitée de la matrice de variancecovariance des titres, ils montrent que cette approche permet une
meilleure stabilité et une surperformance par rapport aux benchmarks
de marché
– Une approche polaire consiste à utiliser comme benchmark un
portefeuille minimum-variance constitué à partir des titres individuels.
– L’efficience des indices « bute » aussi sur l’inobservabilité du
portefeuille de marché.
Dans le cas du modèle de marché (CAPM) : modèle d’équilibre = indice
général des actifs. Cf. la critique de Roll (1977) pour lequel les indices
ne sont pas représentatifs de l’univers d’investissement et ne tiennent
pas compte des revenus liés au capital humain (salaires, stock options,
etc.)
– Existe-t-il un indice efficient ou des modèles de construction de
portefeuille efficient ?
• Si le CAPM n’est pas un bon modèle, i.e., s’il existe des facteurs
(par exemple, taille, B/M) autres que l’exposition au rendement du
marché qui commandent une prime de risque, le portefeuille optimal
sera impacté par la présence de ces facteurs (cf. hedging demands
dans le modèle de Merton (1971)).
Fama, French et les autres...
n
n
n
n
La logique de représentativité pour les capitalisations boursières est
issue du CAPM et de l’idée que le risque et la rentabilité sont liés, le
risque de marché étant le seul risque pris en compte.
Si l’on prend en considération d’autres risques, et notamment le
risque de faillite plus important pour les petites capitalisations ou
pour des valeurs ayant de faibles perspectives de profit (appelées à
tort « value »), les portefeuilles construits ont des profils de risques
différents.
Cette diversification à partir d’une approche multifactorielle est à la
base des offres de type « enhanced indexation » et justifie le
recours aux modèles multifactoriels (Fama et French, Barra etc).
Dimensional Fund Advisors s’est fait le promoteur de ce type
d’approche aux USA avec des surperformances de 400 bps / an aux
indices value-weighted.
Fama, French et les autres...
Cela suppose bien entendu que la diversification s’effectue sur un
modèle factoriel spécifique pour les risques de l’univers
d’investissement.
Company Size and Financial Strength
Annual Data: 1964-2000
Returns
Earnings / Assets
9,68
10
8
6
4,38
4
2
0
Value Stock
12,25%
14,00%
12,00%
10,00%
8,00%
6,00%
4,00%
2,00%
0,00%
Value Stocks
Growth Stocks
Returns
Annualized
Compound Return
4,16
4
3
2
1
0
Small Stocks
16,85%
16,00%
6,2
6
5
18,00%
Growth Stock
Earnings
7
Annualized
Compound Return
Earnings
12
Earnings / Assets
n
Large Stocks
18,00%
16,12%
16,00%
12,25%
14,00%
12,00%
10,00%
8,00%
6,00%
4,00%
2,00%
0,00%
Small Stocks
Large Stocks
Source: Dimensional Fund Advisors Inc., April 2001
Les indices sont des choix de risques particuliers
n
La logique de représentativité n’est pas une logique de « pureté »
Exposition du DJ EURO STOXX 50 aux secteurs
DJ EURO STOXX ES BASIC MATS. - PRICE INDEX
DJ EURO STOXX ES CNS. NON. CYC. - PRICE INDEX
DJ EURO STOXX ES CNS. CYCLICAL - PRICE INDEX
DJ EURO STOXX ES ENERGY - PRICE INDEX
DJ EURO STOXX ES FINANCIAL - PRICE INDEX
DJ EURO STOXX ES HEALTHCARE - PRICE INDEX
DJ EURO STOXX INDUSTRIAL - PRICE INDEX
DJ EURO STOXX ES TECHNOLOGY - PRICE INDEX
DJ EURO STOXX ES TELECOM. - PRICE INDEX
DJ EURO STOXX ES UTILITIES - PRICE INDEX
Juin 96 à Fev 00 Mars 00 à Nov 03
1,03%
9,94%
8,19%
10,60%
21,57%
1,37%
11,74%
15,00%
20,00%
24,60%
0,00%
0,67%
0,00%
0,00%
13,40%
15,74%
20,54%
12,58%
3,53%
9,49%
Source: Edhec Risk and Asset Management Research Centre (2003)
Analyse d’exposition effectuée selon une analyse RBSA par approche de régression contrainte de W. Sharpe (1992)
n
La logique de représentativité n’est pas une logique de « pureté »
Exposition du DJ EURO STOXX 50 aux styles growth et value
Mars 00 à Nov 03
Juin 96 à Fev 00
0%
20%
40%
60%
80%
100%
MSCI EUROPEAN UNION :V - TOT RETURN IND
MSCI EUROPEAN UNION :G - TOT RETURN IND
Source: Edhec Risk and Asset Management Research Centre (2003)
Analyse d’exposition effectuée selon une analyse RBSA par approche de régression contrainte proposée par W. Sharpe (1992)
n
La logique de représentativité ne peut pas toujours être appréhendée
par un critère simple et objectif comme les capitalisations boursières
– L’exemple des indices de style:
Table 2. List of Competing Indexes for each Style
Style
List of competing indexes
Small Cap
Small Cap Growth
Small Cap Value
Mid Cap
Mid Cap Growth
Mid Cap Value
Large Cap
Large Cap Growth
Large Cap Value
IIA, Fama French, S&P BARRA, Dow Jones US, Russell, Wilshire
IIA, Fama French, Russell, S&P BARRA, Dow Jones US, Wilshire
IIA, Fama French, Russell, S&P BARRA, Dow Jones US, Wilshire
IIA, S&P BARRA, Russell, Dow Jones US, Wilshire
Russell, S&P BARRA, Dow Jones, Wilshire
Russell, S&P BARRA, Dow Jones, Wilshire
IIA, S&P BARRA, Fama French, Russell, Dow Jones US, Wilshire
IIA, Fama French, Russell, S&P BARRA, Dow Jones US, MSCI, Wilshire
IIA, Fama French, Russell, S&P BARRA, Dow Jones US, MSCI, Wilshire
Hétérogénéité des indices actions
Style
Small Cap
Small Cap Growth
Small Cap Value
Mid Cap
Mid Cap Growth
Mid Cap Value
Large Cap
Large Cap Growth
Large Cap Value
Maximum Return Differential
28.55 (Feb 00: IIA (-4.04) / Dow Jones Indexes (24.50))
31.78 (Feb00 : IIA (1.56) / Dow Jones Indexes (33.34))
17.94 (Jan01 : Fama French (0.774) / Dow Jones Indexes (18.71))
18.08 (Feb00 : Russell (-4.18) / Wilshire (13.90))
14.45 (Dec91 : S&P Barra (14.45) / Russell (0.00))
8.99 (Dec91 : S&P Barra (8.99) / Russell (0.00))
7.574 (Sept98 : Dow Jones Indexes -0.62) / IIA (6.947))
30.11 (Feb01 : Dow Jones indexes (-18.36) / S&P Barra (11.75))
10.99 (Sept90 : Russell (-13.20) / IIA (-2.21))
This table provides the maximum monthly return difference between competing indices for the same style
Source: Edhec Risk and Asset Management Research Centre, 2003
Hétérogénéité des indices
Figure 2. Heterogeneity Index
0,180
0,162
0,155
0,160
0,140
0,131
0,120
0,114
0,114
0,104
0,102
0,100
0,080
0,073
0,060
0,040
0,025
0,020
0,000
Small Cap
Small Cap
Growth
Small Cap Value
Mid Cap
Mid Cap Growth Mid Cap Value
Large Cap
Large Cap
Growth
Large Cap Value
Source: Edhec Risk and Asset Management Research Centre, 2003
L’indice d’hétérogénéité est calculé à partir des corrélations entre chaque indice d’une même catégorie de style. Ainsi,
pour chaque catégorie, un indicateur (HI) est déterminé par différence entre 1 et la valeur du coefficient de corrélation
inter-catégorie. Si HI=0, cela signifie donc que la catégorie est parfaitement homogène.
n
Dans l’univers alternatif, la complexité des stratégies et l’opacité des
fonds exacerbent le problème.
Les indices de style de hedge-funds souffrent à la fois de problèmes
de représentativité et de pureté (cf. Amenc, Martellini - 2002, et
Vaissié - 2003).
Les fausses évidences empiriques
n
Le « data mining » de John Bogle (ou l’art de choisir la période pour
dénoncer ses petits camarades …)
Managed Fund Risk-Adusted Return Average 1990-1994
Large
Medium
Small
Value
17,79%
11,23%
-4,85%
Blend
0,23%
6,91%
32,88%
Growth
11,95%
24,32%
158,96%
Managed Fund Risk-Adusted Return Average 1992-1996
Large
Medium
Small
Value
-20,13%
-22,58%
-28,57%
Blend
-16,79%
-22,83%
-16,96%
Growth
-18,37%
-19,28%
9,52%
Source: Minor (2001)
Les fausses évidences empiriques
n
n
Plus généralement, la sous-performance constatée d’un grand
nombre de fonds est plus liée à l’aversion à la perte des
investisseurs qu’à la fatalité ou l’efficience des indices.
Ainsi, une étude célèbre de Dalbar (1996) sur les investisseurs US
montre que leur souci d’éviter le risque de faillite par le stock picking
a pour conséquence une sous-performance annuelle de 10% par
rapport au S&P500.
Strategy Benchmarks
n
Les poids « normaux » ou neutres
– Le benchmark est considéré dans la littérature académique et
professionnelle sur l’analyse et la gestion de portefeuille comme le
portefeuille constitué des poids « normaux » ou neutres sur la période
d’analyse.
– Bailey, Richard et Tierney (1990) ont formalisé cette approche par :
P=B+(P-B)=B+A
avec
B : Benchmark
A : Position Active
si M est un indice de marché, on peut écrire :
P=M+(B-M)+A=M+S+A
où S est l’exposition au style du benchmark, et donc du marché.
Strategy Benchmarks
n
Les qualités d’un benchmark (Bailey et alii, 1990, Bailey 1992)
–
–
–
–
–
–
n
Non ambigu
Investissable
Mesurable
Approprié
Reflète les vues de l’investisseur
Spécifié à l’avance
Kuenzi distingue deux cas de gestion (2003) :
– « PBC disciplines » : le gérant n’a pas de biais stratégique en dehors
des indices (M=B donc S=0)
– « MS Strategy » : le gérant a un biais stratégique (M?B donc S?0)
Strategy Benchmarks
n
Le choix d’un benchmark cohérent avec la stratégie conditionne la
surperformance et sa mesure. Le tableau présente l’impact du choix
de sociétés à faible ratio d’endettement sur la composition
sectorielle d’un benchmark stratégique vs S&P500
Published Index Sector Weights/Risk Controls and Those implied by Strategy
Energy
Matrials
Industrials
Consumer Discrt
Consumer Stpls
Health Care
Financials
Info Technology
Telecom Services
Utilities
(1)
(2)
S&P 500
Risk Limits
Weights
3,57%
+/- 7,5%
5,78%
+/- 7,5%
11,80%
+/- 7,5%
15,27%
+/- 7,5%
11,65%
+/- 7,5%
11,60%
+/- 7,5%
17,02%
+/- 7,5%
12,83%
+/- 7,5%
3,20%
+/- 7,5%
7,28%
+/- 7,5%
(3)
Maximum
Exposure
11,07%
13,28%
19,30%
22,77%
19,15%
19,10%
24,52%
20,33%
10,70%
14,78%
(4)
Minimum
Exposure
0,00%
0,00%
4,30%
7,77%
4,15%
4,10%
9,52%
5,33%
0,00%
0,00%
(5)
(6)
Strategy
Difference
Weight
Strat - S&P
12,15%
8,58%
1,68%
-4,10%
4,55%
-7,25%
11,75%
-3,52%
6,70%
-4,95%
22,34%
10,74%
5,07%
-11,95%
34,84%
22,00%
0,92%
-2,28%
0,00%
-7,28%
Source: "Strategy Benchmarks", David E. Kuenzi, The Journal of Portfolio Management, Winter 2003
Strategy Benchmarks
Attribution Example Using a Published and a
Strategy Benchmark
Using
Published
Benchmark
Outperformance of
Technology Sector
Portfolio Technology
Exposure
Benchmark technology
Exposure
Overweight (Portfolio
Exposure - Index Exposure)
Outperformance Attribuable
to Technology Exposure*
Using
Strategy
Benchmark
10%
10%
23%
25%
15%
25%
10%
0%
1%
0%
* Calculated as Overweight X Outperformance
Source: "Strategy Benchmarks", David E. Kuenzi, The Journal of
Portfolio Management, Winter 2003
Strategy Benchmarks
Return, Standard Deviation, and Sharpe Ratio Comparison - S&P500, S&P/BARRA Growth, and Strategy
Benchmark
(Annualized from
Monthly Data)
Geometric Total Return
Standard Deviation
Sharpe Ratio
Full Period 4/97 - 3/02
3 Years 4/97 - 3/00
2 Years 4/00 - 3/02
S&P500 Growth Strategy S&P500 Growth Strategy S&P500 Growth Strategy
10,19% 10,15% 10,27% 27,43% 35,76%
37,78% -11,39% -19,50% -21,05%
17,72% 20,55% 22,69% 17,43% 20,89%
19,42%
16,52%
20,89%
24,28%
0,31
0,24
0,24
1,07
1,29
1,69
NM
NM
NM
Return, Standard Deviation, and Sharpe Ratio Comparison - S&P500, S&P/BARRA Growth, and Strategy
Benchmark
Beta
Alpha
Total Tracking Error
Residual Tracking Error
Information Ratio
Full Period 4/97 - 3/02
3 Years 4/97 - 3/00
2 Years 4/00 - 3/02
versus S&P500 versus Growth versus S&P500 versus Growth versus S&P500 versus Growth
1,20
1,08
1,04
1,03
1,41
1,14
-0,97%
-0,27%
7,27%
0,80%
-4,68%
1,69%
8,55%
5,31%
7,12%
5,15%
9,64%
5,61%
7,75%
5,08%
7,09%
5,13%
6,82%
4,82%
-0,13
-0,05
1,03
0,16
-0,69
0,35
L’étude de Brinson, Singer, Beebower (1991)
n
n
L’étude de Brinson, Singer, Beebower (1991) analyse les causes de
la variation de performance du portefeuille sur longue période en
comparant les évolutions trimestrielles du portefeuille avec celles
des classes d’actifs dans lesquelles il est investi.
L’étude ne conclut que sur une évidence : quand les marchés
représentatifs des classes d’actifs dans lesquelles est investi le
portefeuille s’apprécient, le portefeuille voit sa valeur croître (quand
l’eau monte, le bateau monte !).
Explication des variations de rendement sur longue période
Explication des variations de rendement sur longue période
1,8%
2,1% 4,6%
91,5%
Strategic Asset Allocation
Market Timing
Autres
Stock Picking
Source : Brinson, Beebower, Singer (1991)
n
Et pourtant, les professionnels s’évertuent à lui en faire dire
beaucoup plus…
Les mauvaises interprétations de l’étude Brinson, Singer & Beebower
étude de Nutall et Nutall (1998)
Le pourcentage des auteurs qui interprètent mal l'œuvre de
Brinson, en étant une solution à la relation entre l'allocation
d'actifs et le niveau de rendement.
Par exemple :
“Une étude suggère que plus de 91 % du rendement d'un
portefeuille est attribuable à son mix de classes d'actifs. Dans
cette étude, la sélection d'actions individuelles et le market
timing représentaient ensemble moins de 7 % du rendement
d'un portefeuille diversifié." Vanguard Group
Le pourcentage des auteurs qui interprètent mal l'œuvre de
Brinson, en étant une solution aux conséquences du choix
d'une politique d'allocation d'actifs par rapport à une autre.
Par exemple :
“Une étude sur les gestionnaires de fonds de pension,
largement citée, démontre que 91,5 % de la différence entre les
performances de deux portefeuilles distincts est due à
l'allocation d'actifs." Fidelity Investments
Autres citations erronées
Le pourcentage des auteurs qui ont cité Brinson avec précision
(seulement une interprétation juste)
75%
10%
13%
2%
n
La bonne question que n’ont pas abordée Brinson, Singer &
Beebower et qui a été posée par Ibbotson et Kaplan (2000) est celle
de l’explication de la différence entre les fonds.
Explication des différences de rendement entre les fonds
3,5%
11,0%
40,0%
45,5%
Strategic Asset Allocation
Tactical Asset Allocation
Stock Picking
Fees
Source : Edhec (2002) and Ibbotson, Kaplan (2000)
n
En 1997, Singer, en réponse aux critiques de l’étude de 1991,
admet que lorsque les valeurs de rentabilité et de risques
s’éloignent significativement de celles justifiant l’allocation initiale, il
convient de modifier cette dernière. L’allocation stratégique n’est
pas synonyme d’immobilisme.
Comment évaluer le choix du benchmark ?
n
n
Le choix d’un benchmark stratégique est une valeur ajoutée que les
mesures traditionnelles du talent du gérant ne prennent pas en
compte.
L’alpha est défini comme une capacité à surperformer le benchmark
par le market timing et/ou le stock picking.
Dans un article récent, Kuenzi (2003) a tenté de proposer une
mesure de la valeur ajoutée du choix du benchmark par le gérant :
– Le benchmark doit être comparé à un indice de référence qui l’englobe
– L’indice de référence doit pouvoir minimiser sur longue période la
tracking-error du benchmark
– Le changement de style conditionnera le choix d’un benchmark et d’une
tracking-error.
Peut- on se passer d’un benchmark ?
Peut-on se passer de stratégie ?
n
n
Les gestions en rentabilité absolue ont souvent un benchmark qui
est le taux sans risque.
Le choix d’un benchmark est au cœur d’un grand nombre de
technologies de construction de portefeuille (optimisation relative).
C’est le choix d’un benchmark qui, pour une même série de paris ou
de prévisions, déterminera la rentabilité ajustée du risque du
portefeuille.
Choix du benchmark et performance du portefeuille.
Benchmark
Euribor 1 month
Benchmark
TAA Portfolio
Cumulative Return
Annualised Return
Annualised Volatility
Sharpe
% Negative Returns
Worst Monthly Drawdown
Annualised Tracking Error
Information Ratio
12.12%
3.82%
0.25%
NA
NA
NA
NA
NA
27.52%
8.28%
5.55%
0.804
13.89%
-3.39%
NA
NA
EuroStoxx 50
Benchmark
TAA Portfolio
-52.65%
-21.43%
25.73%
-0.981
61.11%
-15.37%
NA
NA
-43.43%
-16.39%
22.45%
-0.900
61.11%
-13.31%
5.61%
0.898
50%/50% Benchmark
Benchmark
TAA Portfolko
-25.12%
-8.80%
12.84%
-0.983
38.89%
-7.55%
NA
NA
Source: Amenc, Malaise, Sfer, Martellini (2003).
Résultats d’un portefeuille géré en Tactical Style Asset Allocation (Eurostoxx50 versus cash).
Travaux de recherche soutenus par Eurex.
-12.38%
-3.91%
10.08%
-0.766
47.22%
-6.56%
5.64%
0.869
Peut-on se passer de stratégie ?
n
n
Le choix d’un benchmark est le fondement d’un process de
délégation de gestion.
Sans choix de benchmark, il ne peut y avoir de fixation pour
l’investisseur d’un niveau de risque.
Plus généralement, en présence d’une rémunération fondée sur la
surperformance, l’absence d’un benchmark peut conduire à des
prises de risque de la part du gérant peu compatibles avec le profil
et l’aversion au risque de l’investisseur (Basak, Pavlova & Shapiro,
2003).
Le benchmark n’interdit pas d’être actif
n
Il est difficile de battre le marché si on ne s’en éloigne pas !
– Grinold et Kahn (2000) ont montré qu’il était totalement inefficace de
rechercher des managers sans leur laisser de liberté de décision.
– Les fortes contraintes de tracking-error ne laissent la place qu’à des
paris sur des risques diversifiables et non rémunérés …
n
La mise en place d’une approche core-satellite rend compatible le
respect d’un benchmark et les bénéfices d’une allocation active du
portefeuille.
Peut- on se passer d’un benchmark?
Comment implémenter la gestion active?
n
La mauvaise interprétation de la loi fondamentale de la gestion
active (Grinold, 1989, Clarke, de Silva et Thorley, 2002)
IR = IC N
IR = TC(IC N )
n
n
IC n’est pas identique selon que l’on travaille sur les styles, les
secteurs, les classes ou les titres.
La faiblesse de IC dans le cas du stock picking relativise l’intérêt
d’une multiplication des positions(N) ou d’un desserrement des
contraintes (TC).
L’excès de rendement ne compense alors pas la tracking-error.
Conclusion
n
n
Le choix du benchmark est une source essentielle de performance
ajustée du risque.
Which investment process do you
favour? (Europe)
Le benchmark est au cœur du process
d’investissement des asset managers
Européens.
33%
Country
France
Germany
UK
A top/down approach separating the strategic and tactical
allocation phase from the stock picking stage
100%
75%
37%
64%
An opportunitic approach based on stock selection without
reference to a process or to asset allocation constraints
0%
0%
3%
0%
A bottom up approach based on stock selection with
allocation constraints
0%
25%
63%
Percentage is established based on number of responses , eleven percent of respondents did
not answer this question.
A top/down approach separating the strategic and tactical
allocation phase from the stock picking stage
An opportunistic approach based on stock selection without
Source: Edhec European Asset Management Practices Survey 2003
reference to a process or to asset allocation constraints
A bottom up approach based on stock selection with allocation
constraints
Conclusion
Malheureusement, celui-ci est trop souvent assimilé à un indice ou
ne fait pas l’objet pour sa construction de l’attention que justifierait
son influence sur le risque et la performance du portefeuille.
Is portfolio composition for one or more asset classes,
categories or styles based on:
90%
80%
70%
60%
50%
40%
30%
20%
10%
France
Germany
United Kingdom
No quantitative methods for optimisation
allocation policy
A relative risk approach compared to a
Others
benchmark that represents the long-term
The minimisation of extreme risk
The minimisation of volatility risk
acceptable level of riskor return
An approach based on a minimum
mean-VaR approach
Optimisation of absolute risk based on a
mean-variance approach
Others
0%
Optimisation of absolute risk based on a
n
Europe
Références
Amenc, N., P. Malaise, L. Martellini and D. Sfeir, October 2003, Portable alpha and
portable beta strategies in the Euro zone – Implementing active asset allocation
decisions using equity index options and futures (preliminary version), Edhec Risk and
Asset Management Research Centre, working paper.
Amenc N., and L. Martellini, 2002, The brave new world of hedge fund indices, USC /
Edhec Risk and Asset Management Research Centre, working paper.
Bailey, J. V., Spring 1992, Are manager universes acceptable performance
benchmarks?, The Journal of Portfolio Management, pp. 9-13.
Bailey, J. V., T. M. Richards and D. E. Tierney, 1990, Benchmarks portfolios and the
manager/plan sponsor relationship, in Frank J. Fabozzi and T. Dessa Fabozzi eds.,
Current Tropics in Investment Management, New York: Harper Collins, pp. 349-363.
Basak S., A., Pavlova, and A., Shapiro, April 2003, Offsetting the incentives: Risk shifting
and benefits of benchmarking in money management, MIT Sloan School of Management,
working paper 4303-03.
Black, F., and R. Litterman, 1990, Asset allocation: combining investor views with market
equilibrium, Goldman Sachs, Quantitative Research Group.
Références
Bogle, J., The Implication of Style Analysis for Mutual Fund Performa nce Evaluation ,
The journal of Porfolio Management , Summer 1998,pp 34-42.
Brinson G. P., B. D. Singer and G. L. Beebower, May-June 1991, Determinants of
portfolio performance II : An update, Financial Analysts Journal.
Clarke R., H. de Silva and S. Thorley, September/October 2002, Portfolio construction
and the fundamental law of active management, Financial Analysts Journal, pp. 48-66.
Dalbar study, 1996, Quantitative analysis of investor behavior, Fourth Quarter Update.
Dimensional Fund Advisors Inc., April 2001
Dimitriu, A., and C., Alexander, 2003, Common trends, mean reversion and herding:
sources of abnormal returns in equity returns, working paper, ISMA Center
Edhec, 2003, Edhec European Asset Management Practices Survey, Edhec Risk and
Asset Management Research Center
Fama E. F., and K. R., French, 1992, The cross-section of expected stock returns, The
Journal of Finance, 47, pp. 427-465.
Grinhold R. C., Spring 1989, The fundamental law of active management, The Journal of
Portfolio Management, pp. 30-37.
Références
Grinold R. C. and R. N., Kahn, 2000, Active Portfolio Management : A Quantitative
Approach for Producing Superior Returns and Controlling Risk, Irwin, 2e éd.
Ibbotson R. G., and P. D., Kaplan, January-February 2000, Does asset allocation policy
explain 49.90 or 100 percent of performance? , The Financial Analysts Journal, JanuaryFebruary.
Jorion, P., 1985, International portfolio diversification with estimation risk, Journal of
Business, 58, 259-278.
Jorion, P., 1986, Bayes-Stein estimation for portfolio analysis, Journal of Financial and
Quantitative Analysis, 21, 3, 279-292.
Kuenzi D. E., Winter 2003, Strategy benchmarks, The Journal of Portfolio Management,
pp. 46-56.
Merton, R., 1980, On estimating the expected return on the market: an exploratory
investigation, Journal of Financial Economics, 8, 323-362.
Merton R. C., 1971, Optimal Consumption and Portfolio Rules in a Continuous-Time
Model, Journal of Economic Theory, 3, 373-413.
Minor D. B., Summer 2001, Beware of index fund fundamentalists, The Journal of
Portfolio Management.
Références
Nuttall J. A., 1998, “Asset Allocation Claims – Truth or Fiction? ”, Unpublished.
Roll R., 1977, A critic of the asset pricing theory’s test“, The Journal of Financial
Economics, 129-176.
Singer B., October 1997, Asset Allocation, Hoaxes, and the Creation of Straw Men,
Journal of Financial Planning.
Sharpe W. F., 1992, Asset allocation: Management style and performance measurement,
Journal of Portfolio Management, vol. 18, Winter, p. 7-19.
Vaissié M., 2003, Une analyse détaillée des méthodes de construction et des principes
de gestion des indices de hedge funds, Edhec Risk and Asset Management Research
Centre, working paper.

Strategy Benchmarks - EDHEC-Risk

Transcription

Documents pareils

La 48e Course Croisière EDHEC hisse les voiles vers Roscoff

Course Croisière EDHEC - Lycée Professionnel LES GRIPPEAUX

Maison en location à Roubaix

Des Edhec internationaux et performants…

COMPÉTENCES EDUCATION EXPÉRIENCES

Benchmarking Part 1 : Introduction

HELLOWORLD!EDHEC Web Agency

LANGUES ET INFORMATIQUE LOISIRS EXPÉRIENCES

Les métiers phares des EDHEC

les samedis 13 décembre 2014 et 7 février 2015